Los procesadores de recocido cuántico logran una ventaja computacional en la simulación de problemas relacionados con el entrelazamiento cuántico

Los procesadores de recocido cuántico superan a las supercomputadoras clásicas en la resolución de simulaciones científicas del mundo real sobre la dinámica de espines cuánticos, según informan investigadores en un nuevo estudio, logrando resultados que van más allá de la capacidad de los métodos computacionales convencionales, los cuales podrían requerir un tiempo y una energía imposibles de alcanzar. Los resultados plantean un desafío para la computación clásica, donde las mejoras en los métodos han atenuado en el pasado las afirmaciones de ventaja cuántica. Solo en los últimos años las computadoras cuánticas han comenzado a cumplir sus altas promesas, con unidades de procesamiento cuántico (Quantic Processing Unit, QPU) de diversas arquitecturas –como sistemas fotónicos, de átomos neutros y superconductores– empezando a superar incluso a las supercomputadoras más potentes en la resolución de problemas complejos. Sin embargo, aunque ahora se acepta ampliamente que las tecnologías actuales de QPU superan a los métodos clásicos en ciertas tareas, como la generación de números aleatorios, las imperfecciones del hardware han limitado la ventaja de los procesadores cuánticos sobre la computación clásica en aplicaciones científicas prácticas, dificultando la demostración de casos claros de superioridad cuántica. En esta ocasión, Andrew King y sus colegas evalúan el rendimiento de los procesadores de recocido cuántico (quantum annealing, QA) superconductores en la simulación de un problema más complejo: la dinámica cuántica en tiempo continuo del modelo de Ising con campo transversal (transverse field Ising model, TFIM). Para comparar el rendimiento de las QPU, King y su equipo contrastaron los resultados con simulaciones de alta precisión basadas en estados de producto matricial (matrix producto state, MPS) ejecutadas en supercomputadoras clásicas potentes y utilizaron técnicas clásicas avanzadas, como redes tensoriales y redes neuronales, para estimar el coste de aproximar la dinámica cuántica con la precisión de las QPU. Según los hallazgos, el procesador cuántico superó las simulaciones clásicas de MPS en una variedad de topologías del modelo de Ising. Además, las estimaciones de los requisitos de recursos para la simulación clásica revelan limitaciones severas. Para igualar el rendimiento de las QPU, los autores estiman que los métodos MPS requerirían recursos computacionales que superan ampliamente la viabilidad práctica, incluyendo millones de años de tiempo de supercomputación y requisitos de electricidad que exceden el consumo global anual. "Esta impracticabilidad de la simulación clásica abre la puerta a la ventaja cuántica en optimización e inteligencia artificial, abordando preguntas científicas que de otro modo podrían quedar sin respuesta y aplicaciones que podrían ser imposibles desde la perspectiva clásica", escriben King y su equipo.